Dopo aver raggruppato i CDP in super gathers, l’ultimo step della sequenza relativa al processo dell’analisi di velocità, consiste nel calcolare gli spettri di velocità. Essi vengono stimati utilizzando algoritmi che misurano la coerenza delle riflessioni lungo l’offset tramite curve di riferimento (iperboli di prova). Si tratta di
33
una trasformazione dalle coordinate CMP-OFFSET alle coordinate Velocità-tempo a zero offset. Essenzialmente l’algoritmo della semblance permette di andare a testare la coerenza degli eventi di riflessione lungo delle iperboli di prova; i cui vertici si trovano all’interno di una finestra centrata attorno all’avento di riflessione e quindi di individuare la coppia velocità-tempo che fornisce la massima coerenza.Si tratta di un’operazione che richiede una grossa componente interpretativa da parte dell’operatore. Esso deve esser capace di distinguere i massimi di coerenza relativi agli eventi primari, da quelli imputabili alle multiple. E’ utile sottolineare nuovamente, l’importanza della rimozione degli eventi periodici preliminarmente all’analisi di velocità, onde evitare che vengano introdotti errori interpretativi nel campo di velocità RMS sa stimare.
Il modulo PROMAX predisposto per tale compito è il modulo: Velocity Analysis. I parametri necessari al calcolo degli spettri sono: i limiti del range di velocità entro il quale sondare la velocità di stacking (1500-4000 m/s), la lunghezza della finestra temporale per il calcolo della semblance (che influenza la risoluzione temporale degli spettri) e altre opzioni, quali per esempio, l’applicazione delle statiche residue e le correzioni a lunghi offset in caso di anisotropia. Il dato reale utilizzato in questo lavoro, non presenta un buon rapporto segnale/rumore e la maggior parte degli eventi di riflessione sono collocati entro i primi 2.5 secondi su una registrazione totale di 4.6 secondi. Quindi, oltre ad avere poche riflessioni, gli spettri di velocità si presentavano molto rumorosi e con pochi massimi di coerenza su cui eseguire il picking.
In via generale, questa situazione non si è rivelata del tutto sfavorevole, in quanto lo scopo di questo lavoro di tesi consiste proprio nell’impiego di altri metodi di analisi di velocità per aggiornare/correggere il modello ottenuto a partire da tale step dell’elaborazione.
34
Figura 1-16 Spettri di velocità relativi a CMP appartenenti a zone con differente qualità del segnale;
In figura 1.16 è possibile osservare su un altro dato, la differente qualità degli spettri di velocità relativi a CMP appartenenti a zone con un rapporto segnale/rumore differente. Si not nel CMP3, l’elevata dispersione dei blob di semblance. In figura 1.17 è possibile osservare quest’effetto direttamente su alcuni spettri di velocità relativi al dato reale. Si noti come a causa della bassa qualità del segnale, gli spettri si presentino molto dispersi, con qualche massimo di coerenza solo nei primi secondi del tempo di registrazione.
35
Figura 1-17 Spettri di velocità del dato in esame in vari punti della linea sismica. Si noti la scarsa qualità del segnale di coerenza;
36
Questa situazione comporta che nel modello di velocità RMS finale, ci siano delle componenti errate di velocità dovute ad errori interpretativi nel picking. E’ proprio per tale motivo che in questo lavoro di tesi, si utilizzeranno altri metodi di analisi di velocità, per ottenere un modello attendibile per gli scopi di ricerca prefissati, metodi che permettono inoltre di determinare con elevata sensibilità anche componenti del campo su piccola scala spaziale, a differenza delle tecniche standard come questa che permettono di risolvere variazioni laterali comparabili con la dimensione dell’offset massimo disponibile.
37
Come precedentemente accennato, l’Analisi di velocità è stata eseguita soltanto sui CDP a copertura massima dal 159 al 765, indicati in figura 1.18 con dei marker rossi. Il modello presenta una spiccata variabilità laterale soprattutto a tempi elevati, nei quali il picking si è rivelato ancor più difficoltoso. In una sequenza di processing standard con lo scopo di ottenere una sezione stack, Il campo di velocità RMS viene usato per effettuare le correzioni di NMO sulle riflessioni nei cmp. Rappresenta la velocità che meglio orizzontalizza gli eventi e che per tale motivo permette uno stacking efficiente delle traccie sismiche. In questo lavoro di tesi, come ampiamente accennato, l’obiettivo non è legato direttamente all’imaging sismico, ma più che altro nel testare metodi di analisi di velocità più accurati.
Ottenuto il modello di fig. 1.18, per inizializzare l’analisi di velocità sul dato migrato pre stack in profondità, è stato necessario effettuare, tramite l’equazione di Dix, la conversione da velocità RMS in tempi a velocità d’intervallo in profondità. Nel terzo capitolo di questo lavoro, si analizzeranno in dettaglio i metodi che hanno portato all’ottenimento di un modello di velocità “corretto” per l’area di indagine in esame.
Recupero Deterministico delle Ampiezze (Amplitude Recovery):
Il campo di velocità RMS di fig 1.18 risulta valido per recuperare le ampiezze del dato che hanno subito attenuazione durante la propagazione nel mezzo. Infatti, il campo d’onda sismico che si propaga nella sotto superficie, non è un segnale stazionario, ma il suo contenuto spettrale e le sue ampiezze subiscono delle modifiche durante la propagazione, legate alle caratteristiche fisiche del mezzo in cui essa avviene. Per quanto riguarda le ampiezze, esse subiscono una diminuzione all’aumentare del tempo di propagazione, a seguito del verificarsi di vari fenomeni:
1. Divergenza Sferica del fronte d’onda (Geometrical Spreading); 2. Perdita per Riflessione/Transmissione;
38
Ognuno di questi fenomeni ha un impatto differente sulle ampiezze del segnale sismico registrato in superficie ed è importante in determinati step del processing, che il dato sia corretto delle perdite di ampiezza lungo tutti gli offset e tempi.
Il fattore con maggiore impatto sulle ampiezze è il Geometrical Spreading o Divergenza sferica del fronte d’onda. Com’è facilmente intuibile si tratta di un fenomeno legato principalmente alla fisica della propagazione del campo d’onda sismico, che nell’approssimazione di un modello della sotto superficie omogeneo e isotropo, con velocità quasi costante, avviene tramite un fronte d’onda con geometria sferica. Man mano che il campo si propaga a partire dalla sorgente, il fronte d’onda sferico, aumenta di dimensione e in assenza di fenomeni di assorbimento elevati, per il principio di conservazione dell’energia, l’energia del segnale (legata all’ampiezza) deve distribuirsi lungo una superficie maggiore e quindi automaticamente le ampiezza sul fronte’onda devono diminuire affinchè l’energia rimanga costante. Il risultato è una segnale con intensità minore .
; Figura 1-19 Geometrical Spreading in un mezzo omogeneo e isotropo;
In figura 1-19 è raffigurato il fenomeno della divergenza sferica del fronte d’onda in un mezzo a velocità costante . Si noti la proporzionalità diretta tra i fronti S1, S2 ed S3. In realtà la sotto superficie non è omogenea ed isotropa, ma la velocità subisce una variazione all’aumentare della profondità (aumenta). Ciò, causa fa si che i raggi usati per modellizzare la direzione di propagazione del campo sismico(perpendicolari al fronte), non siano più rettilinei ma curvi e quindi il fronte d’onda non sarà più sferico e nel decadimento delle ampiezze ci sarà una componente dovuta al fenomeno rifrattivo descritto in questa situazione.
39
Figura 1-20 Geometrical Spreading in un in cui la velocità aumenta all’aumentare della profondità;
E’ possibile dimostrare che le ampiezze del dato sismico possono essere corrette per geoemtrical spreading tramite la conoscenza del campo di velocità medio della sotto superficie nella quale è avvenuta la propagazione. La differenza con il guadagno AGC è che mentre quest’ultimo si basa sulla definizione di una funzione di guadagno calcolata statisticamente all’interno di finestre temporali sul dato, la correzione di ampiezze per geometrical spreading è una correzione di tipo deterministico. Si calcolano (stimano) gli effetti di determinati fenomeni fisici sulle ampiezze del segnale.
Il modulo utilizzato da promax per il recupero delle ampiezze deterministico è: l’Offset Amplitude Recovery, il quale applica una funzione di guadagno (inversa alla funzione di decadimento delle ampiezze) tempo e offset variante per compensare della perdita delle ampiezze, in particolare a tempi e offset maggiori. L’OAR permette anche di applicare altri tipi di correzioni d’ampiezza sul dato, come ad esempio, le correzioni di Array, una correzione di ampiezza molto più precisa, al fine di analisi AVO sul dato.
40
41
Come si può notare dal confronto tra le due immagini di figura 1.21, il dato è stato corretto in ampiezza sia a tempi che offset maggiori.
A questo punto il dato in esame ha tutti i requisiti necessari per essere sottoposto alla migrazione prestack in profondità e quindi alle tecniche di analisi di velocità che si basano su di essa. Nel prossimo capitolo, verrà discusso l’apparato teorico della PSDM, concludendo la trattazione con alcuni esempi applicativi sul dato.
42
TEORIA DELL IMAGING E
MIGRAZIONE PRE STACK IN PROFONDITÀ (PSDM)
In questo capitolo verranno trattati i concetti teorici alla base delle principali tecniche di imaging del dato sismico a riflessione disponibili in campo industriale. In seguito, l’attenzione sarà rivolta in particolare sulla migrazione di Kirchhoff Pre Stack in profondità (PSDM). Si tratta di un algoritmo di migrazione molto efficace in aree caratterizzate da strutture geologiche complesse, che permette inoltre di effettuare un controllo di qualità sul modello di velocità con cui si effettua la migrazione del dato.